BP神经网络工具箱参数详解
p=t=
p1=
=premnmx(pl) % p1为选取的一组测试数据
=premnmx(p) % 输入数据归一化处理
=premnmx(t) % 目标数据归一化处理
net=newff(, [ 13,3 ], {'tansig','purelin' },'trainlm','learngdm') %建立一个前向的BP 网络,其中隐含层数为13层,输出层为3层
net.trainparam.epochs=10000% 设定训练次数
net.trainparam.goal=0.0001 % 网络的训练目标误差
net.trainparam.lr=0.01 % 设定学习速率
net.trainparam.max_fail=5 % 最大验证失败次数
net.trainparam.mu=0.005 % Marquart调整参数
net.trainparam.mu_dec=0.1 % mu的下降因子
net.trainparam.mu_inc=10 % mu的上升因子
net.trainparam.mu_max= 1e+10 % mu的最大值
net.trainparam.mem_reduc=2 % 权衡计算可比矩阵时占用的内存和计算速度
net.trainparam.min_grad=1 e-2 % 性能函数的最小梯度
net.trainparam.show=25 % 两次显示时间的间隔
net.trainparam.time=inf % 最长训练时间
an=train(net,pn,tn) % 训练网络模型
save filename net % 选择误差小的保存网络
load filename net % 调用
an=sim(net,pc) % 测试
a=postmnmx(an,mint,maxt) % 反归一化参考:基于神经网络_PID的水泥回转窑温度控制研究_楚万文,2009年,P88页
找到了我需要的资料,谢谢楼主
页:
[1]